本發(fā)明涉及安全駕駛領(lǐng)域，特別涉及一種駕駛員疲勞狀態(tài)檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

隨著交通事業(yè)的迅速發(fā)展，駕駛員疲勞駕駛已經(jīng)成為交通事故頻繁發(fā)生的主要原因之一，而駕駛員往往因?yàn)楣ぷ鳝h(huán)境和駕駛時(shí)間的原因無(wú)法及時(shí)意識(shí)到自己處于疲勞駕駛狀態(tài)，進(jìn)而帶來(lái)重大的安全隱患，自動(dòng)檢測(cè)駕駛員疲勞狀態(tài)是預(yù)防交通事故的重要手段，大量實(shí)驗(yàn)數(shù)據(jù)證明，單位時(shí)間內(nèi)眼睛閉合的時(shí)間百分比與疲勞程度有良好的相關(guān)性，因而，檢測(cè)駕駛員眼睛狀態(tài)具有十分重要意義。

近年來(lái)，隨著圖像處理與模式識(shí)別技術(shù)的迅速發(fā)展，通過(guò)視頻監(jiān)測(cè)駕駛員眼睛狀態(tài)從來(lái)判斷駕駛員疲勞狀態(tài)成為可行性方案。人眼狀態(tài)檢測(cè)關(guān)鍵的地方就是找到區(qū)分睜眼和閉眼的特征，目前研究者常用的特征包括虹膜、眼瞼、幾何特征、顏色特征等邊緣特征。

目前，檢測(cè)人眼狀態(tài)的方法有很多，主要有基于模板匹配的方法、基于Hough變換的方法、基于紅外光源下人眼差分的方法等。模板匹配的方法需要預(yù)存多個(gè)模板，存儲(chǔ)信息量大，不容易推廣。Hough變換橢圓檢測(cè)方法計(jì)算量大，實(shí)時(shí)性較差?；诩t外光源下人眼差分方法系統(tǒng)搭建復(fù)雜，易受到光源位置，照射角度以及人臉皮反射等干擾。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明實(shí)施例提供了一種駕駛員疲勞狀態(tài)檢測(cè)方法及系統(tǒng)。

本發(fā)明的一個(gè)目的是提供一種駕駛員疲勞狀態(tài)檢測(cè)方法，根據(jù)眼睛尺度不變特征轉(zhuǎn)換SIFT特征預(yù)先訓(xùn)練分類模型，所述分類模型用于對(duì)眼睛SIFT特征進(jìn)行計(jì)算輸出對(duì)應(yīng)的置信度，包括：

獲取駕駛員的面部輪廓圖像；

對(duì)所述面部輪廓圖像進(jìn)行歸一化處理獲得歸一化人臉圖像；

對(duì)所述歸一化人臉圖像提取眼睛SIFT特征，其中所述眼睛SIFT特征包括左眼SIFT特征和右眼SIFT特征；

將所述左眼SIFT特征和右眼SIFT特征輸入所述分類模型進(jìn)行計(jì)算并分別獲得所述左眼SIFT特征的第一置信度和所述右眼SIFT特征的第二置信度；

根據(jù)所述第一置信度和所述第二置信度與所述預(yù)設(shè)置信區(qū)間的比對(duì)結(jié)果確定所述駕駛員的眼睛睜閉狀態(tài)；

當(dāng)所述駕駛員的眼睛為閉眼狀態(tài)時(shí)確定所述駕駛員處于疲勞狀態(tài)。

可選地，所述根據(jù)所述第一置信度和所述第二置信度與所述預(yù)設(shè)置信區(qū)間的比對(duì)結(jié)果確定所述駕駛員的眼睛睜閉狀態(tài)，包括：

當(dāng)所述第一置信度大于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼睜眼狀態(tài)，當(dāng)所述第一置信度小于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼閉眼狀態(tài)；

當(dāng)所述第二置信度大于預(yù)設(shè)置信區(qū)間時(shí)確定為右眼睜眼狀態(tài)，當(dāng)所述第一置信度小于預(yù)設(shè)置信區(qū)間時(shí)確定為右眼閉眼狀態(tài)；

當(dāng)左眼睜眼狀態(tài)和/或右眼睜眼狀態(tài)是則確定所述駕駛員為睜眼狀態(tài)，當(dāng)所述左眼閉眼狀態(tài)和所述右眼閉眼狀態(tài)時(shí)確定所述駕駛員為閉眼狀態(tài)。

可選地，所述根據(jù)所述第一置信度和所述第二置信度與所述預(yù)設(shè)置信區(qū)間的比對(duì)結(jié)果確定所述駕駛員的眼睛睜閉狀態(tài)，包括：

當(dāng)所述第一置信度位于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼不穩(wěn)定狀態(tài)，當(dāng)所述第二置信度位于所述置信區(qū)間時(shí)確定為右眼不穩(wěn)定狀態(tài)，對(duì)所述左眼不穩(wěn)定狀態(tài)對(duì)應(yīng)的第一置信度和所述右眼不穩(wěn)定狀態(tài)對(duì)應(yīng)的第二置信度進(jìn)行聯(lián)合概率計(jì)算得到概率值，所述概率值大于預(yù)設(shè)閾值是確定駕駛員為睜眼狀態(tài)，當(dāng)所述概率值不大于預(yù)設(shè)閾值時(shí)確定駕駛員為閉眼狀態(tài)。

可選地，所述對(duì)所述面部輪廓圖像進(jìn)行歸一化處理獲得歸一化人臉圖像，包括：

獲取所述面部輪廓圖像中眼睛位置及面部輪廓大?。?/p>

根據(jù)所述眼睛位置和面部輪廓大小計(jì)算所述駕駛員的人臉大小、位置及姿態(tài)特征；

根據(jù)所述人臉大小、位置及姿態(tài)特征利用圖像映射方法獲取對(duì)所述面部 輪廓圖像進(jìn)行歸一化操作以獲得歸一化人臉圖像。

可選地，所述對(duì)所述歸一化人臉圖像提取眼睛SIFT特征，包括：

確定計(jì)算眼睛SIFT特征描述子所需的圖像區(qū)域；

將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點(diǎn)的方向，以確保旋轉(zhuǎn)不變性；

計(jì)算每個(gè)種子點(diǎn)的方向直方圖，形成特征向量；

對(duì)關(guān)鍵點(diǎn)的特征向量進(jìn)行歸一化處理；

描述子向量門限以截?cái)喑龇秶奶荻戎怠?/p>

可選地，所述當(dāng)所述駕駛員的眼睛為閉眼狀態(tài)時(shí)確定所述駕駛員處于疲勞狀態(tài)之后，還包括：

當(dāng)所述駕駛員處于疲勞狀態(tài)時(shí)進(jìn)行告警或車輛減速，所述告警包括聲音提示、燈光提示或震動(dòng)提示中的至少一種。

本發(fā)明的另一個(gè)目的是提供一種駕駛員疲勞狀態(tài)檢測(cè)系統(tǒng)，根據(jù)眼睛SIFT特征預(yù)先訓(xùn)練分類模型，所述分類模型用于對(duì)眼睛SIFT特征進(jìn)行對(duì)應(yīng)的置信度計(jì)算，包括：

第一提取單元，用于提取駕駛員的面部輪廓圖像；

第一處理單元，用于對(duì)所述面部輪廓圖像進(jìn)行歸一化處理獲得歸一化人臉圖像；

第二提取單元，用于對(duì)所述歸一化人臉圖像提取眼睛SIFT特征，其中，所述眼睛SIFT特征包括左眼SIFT特征和右眼SIFT特征；

第二處理單元，用于將所述左眼SIFT特征和右眼SIFT特征輸入所述分類模型分別計(jì)算所述左眼SIFT特征的第一置信度和所述右眼SIFT特征的第二置信度；

第一確定單元，用于根據(jù)所述第一置信度和所述第二置信度與所述預(yù)設(shè)置信區(qū)間的比對(duì)結(jié)果確定所述駕駛員的眼睛睜閉狀態(tài)；

第二確定單元，用于當(dāng)所述駕駛員的眼睛為閉眼狀態(tài)時(shí)確定所述駕駛員處于疲勞狀態(tài)。

可選地，所述第一確定單元還用于：

當(dāng)所述第一置信度大于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼睜眼狀態(tài)，當(dāng)所述第一置信度小于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼閉眼狀態(tài)；

當(dāng)所述第二置信度大于預(yù)設(shè)置信區(qū)間時(shí)確定為右眼睜眼狀態(tài)，當(dāng)所述第一置信度小于預(yù)設(shè)置信區(qū)間時(shí)確定為右眼閉眼狀態(tài)；

當(dāng)左眼睜眼狀態(tài)和/或右眼睜眼狀態(tài)是則確定所述駕駛員為睜眼狀態(tài)，當(dāng)所述左眼閉眼狀態(tài)和所述右眼閉眼狀態(tài)時(shí)確定所述駕駛員為閉眼狀態(tài)。

可選地，所述第一確定單元還用于：

當(dāng)所述第一置信度位于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼不穩(wěn)定狀態(tài)，當(dāng)所述第二置信度位于所述置信區(qū)間時(shí)確定為右眼不穩(wěn)定狀態(tài)，對(duì)所述左眼不穩(wěn)定狀態(tài)對(duì)應(yīng)的第一置信度和所述右眼不穩(wěn)定狀態(tài)對(duì)應(yīng)的第二置信度進(jìn)行聯(lián)合概率計(jì)算得到概率值，所述概率值大于預(yù)設(shè)閾值是確定駕駛員為睜眼狀態(tài)，當(dāng)所述概率值不大于預(yù)設(shè)閾值時(shí)確定駕駛員為閉眼狀態(tài)。

可選地，所述第一處理單元還用于：

獲取所述面部輪廓圖像中眼睛位置及面部輪廓大??；

根據(jù)所述眼睛位置和面部輪廓大小計(jì)算所述駕駛員的人臉大小、位置及姿態(tài)特征；

根據(jù)所述人臉大小、位置及姿態(tài)特征利用圖像映射方法獲取對(duì)所述面部輪廓圖像進(jìn)行歸一化操作以獲得歸一化人臉圖像。

可選地，所述第二提取單元還用于：

確定計(jì)算眼睛SIFT特征描述子所需的圖像區(qū)域；

將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點(diǎn)的方向，以確保旋轉(zhuǎn)不變性；

計(jì)算每個(gè)種子點(diǎn)的方向直方圖，形成特征向量；

對(duì)關(guān)鍵點(diǎn)的特征向量進(jìn)行歸一化處理；

描述子向量門限以截?cái)喑龇秶奶荻戎怠?/p>

可選地，所述系統(tǒng)還包括：

危險(xiǎn)預(yù)警單元，用于當(dāng)所述駕駛員處于疲勞狀態(tài)時(shí)進(jìn)行告警或車輛減速，所述告警包括聲音提示、燈光提示或震動(dòng)提示中的至少一種。

本發(fā)明提供的一種駕駛員疲勞狀態(tài)檢測(cè)方法及系統(tǒng)，通過(guò)將眼睛SIFT特征輸入分類模型進(jìn)行計(jì)算獲得置信度，根據(jù)置信度水平對(duì)眼睛睜閉狀態(tài)進(jìn)行判斷，可以不受人臉角度影響，具有旋轉(zhuǎn)不變性，對(duì)人眼測(cè)量的準(zhǔn)確度高，并且計(jì)算過(guò)程簡(jiǎn)單，可以及時(shí)對(duì)駕駛員的駕駛疲勞狀態(tài)進(jìn)行檢測(cè)，能有滿足 實(shí)時(shí)檢測(cè)的要求。

附圖說(shuō)明

圖1是本發(fā)明提供的駕駛員疲勞狀態(tài)檢測(cè)方法的一種實(shí)施例的流程圖；

圖2是本發(fā)明提供的駕駛員疲勞狀態(tài)檢測(cè)方法的另一種實(shí)施例的流程圖；

圖3是是本發(fā)明提供的駕駛員疲勞狀態(tài)檢測(cè)系統(tǒng)的一種實(shí)施例的結(jié)構(gòu)圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。

本發(fā)明的說(shuō)明書(shū)和權(quán)利要求書(shū)及上述附圖中的術(shù)語(yǔ)“第一”、“第二”、“第三”“第四”等是用于區(qū)別類似的對(duì)象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的實(shí)施例能夠以除了在這里圖示或描述的內(nèi)容以外的順序?qū)嵤?。此外，術(shù)語(yǔ)“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過(guò)程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒(méi)有清楚地列出的或?qū)τ谶@些過(guò)程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。

SIFT特征(中文：尺度不變特征轉(zhuǎn)換，英文：Scaleinvariant feature transform)是圖像的局部特征，其對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對(duì)視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性。

SVM(中文：支持向量機(jī)，英文：Support Vector Machine)是一種建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上根據(jù)有限的樣本信息在模型的復(fù)雜性(即對(duì)特定訓(xùn)練樣本的學(xué)習(xí)精度)和學(xué)習(xí)能力(即無(wú)錯(cuò)誤地識(shí)別任意樣本的能力)之間尋求最佳折衷，以期獲得最好的推廣能力的學(xué)習(xí)方法。

結(jié)合圖1所示，本發(fā)明提供了一種駕駛員疲勞狀態(tài)檢測(cè)方法，根據(jù)眼睛 SIFT特征預(yù)先訓(xùn)練分類模型，所述分類模型用于對(duì)眼睛SIFT特征進(jìn)行計(jì)算輸出對(duì)應(yīng)的置信度，包括：

這里的分類模型可以采用支持向量機(jī)，分類模型中預(yù)先采用大量的眼睛SIFT特征(睜眼時(shí)眼睛SIFT特征和閉眼時(shí)眼睛SIFT特征)進(jìn)行訓(xùn)練獲得，通過(guò)學(xué)習(xí)之后，分類模型可以確定正常時(shí)人眼睛睜開(kāi)時(shí)眼睛SIFT特征的范圍數(shù)據(jù)以及人眼睛閉合時(shí)眼睛SIFT特征的范圍數(shù)據(jù)，再通過(guò)實(shí)時(shí)獲取駕駛員的圖像進(jìn)行處理得到面部輪廓圖像，利用處理后得到的眼睛SIFT特征送入分類模型中可以得到用于表示相似程度的置信度，采用置信度表示處于睜眼狀態(tài)或者閉眼狀態(tài)，置信度越高，人眼越近似睜眼狀態(tài)，而置信度越低，人眼越近似閉眼狀態(tài)，后文會(huì)進(jìn)行具體介紹。

S101、提取駕駛員的面部輪廓圖像。

可以利用ASM算法定位得到人臉特征的位置，包括人臉五官位置和面部輪廓信息，具體可以采用人臉粗檢、邊緣檢測(cè)區(qū)域連通性濾波等方法，例如，首先對(duì)人臉大致的矩形外輪廓進(jìn)行粗檢，再做邊緣檢測(cè)、有效信息二值化、區(qū)域連通性濾波、輪廓點(diǎn)修正、對(duì)優(yōu)先區(qū)域和整幅圖像做垂直水平投影等處理，獲取準(zhǔn)確的人臉輪廓，再利用比例變換、直方圖修正等方法獲得歸一化人臉圖像，此處不做限定。

S102、對(duì)所述面部輪廓圖像進(jìn)行歸一化處理獲得歸一化人臉圖像。

正如步驟S101中描述到的對(duì)于歸一化人臉圖像可以通過(guò)對(duì)面部輪廓圖像進(jìn)行處理獲得，利用比例變換、直方圖修正等方法獲得歸一化人臉圖像，例如，可以獲取所述面部輪廓圖像中眼睛位置及面部輪廓大小，根據(jù)所述眼睛位置和面部輪廓大小計(jì)算所述駕駛員的人臉大小、位置及姿態(tài)特征，根據(jù)所述人臉大小、位置及姿態(tài)特征利用圖像映射方法獲取對(duì)所述面部輪廓圖像進(jìn)行歸一化操作以獲得歸一化人臉圖像，此處不做限定。

S103、對(duì)所述歸一化人臉圖像提取眼睛SIFT特征，其中所述眼睛SIFT特征包括左眼SIFT特征和右眼SIFT特征。

提取眼睛SIFT特征可以采用多種方法，可以采用以下方式：

S1、確定計(jì)算眼睛SIFT特征描述子所需的圖像區(qū)域；

特征描述子與特征點(diǎn)所在的尺度有關(guān)，因此，對(duì)梯度的求取應(yīng)在特征點(diǎn) 對(duì)應(yīng)的高斯圖像上進(jìn)行。將關(guān)鍵點(diǎn)附近的鄰域劃分為d×d個(gè)子區(qū)域，例如d＝4，每個(gè)子區(qū)域做為一個(gè)種子點(diǎn)，每個(gè)種子點(diǎn)有n個(gè)方向，例如n＝8。

S2、將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點(diǎn)的方向，以確保旋轉(zhuǎn)不變性；

S3、計(jì)算每個(gè)種子點(diǎn)的方向直方圖，形成特征向量；

將鄰域內(nèi)的采樣點(diǎn)分配到對(duì)應(yīng)的子區(qū)域內(nèi)，將子區(qū)域內(nèi)的梯度值分配到n個(gè)方向上，計(jì)算梯度值的權(quán)值，旋轉(zhuǎn)后的采樣點(diǎn)坐標(biāo)在半徑為radius的圓內(nèi)被分配到d×d的子區(qū)域，計(jì)算影響子區(qū)域的采樣點(diǎn)的梯度和方向，分配到n個(gè)方向上，利用線性插值法計(jì)算每個(gè)種子點(diǎn)n個(gè)方向的梯度，所得采樣點(diǎn)在子區(qū)域中的下標(biāo)進(jìn)行線性插值，計(jì)算其對(duì)每個(gè)種子點(diǎn)的貢獻(xiàn)。

S4、對(duì)關(guān)鍵點(diǎn)的特征向量進(jìn)行歸一化處理。

特征向量形成后，為了去除光照變化的影響，需要對(duì)它們進(jìn)行歸一化處理，對(duì)于圖像灰度值整體漂移，圖像各點(diǎn)的梯度是鄰域像素相減得到，所以也能去除

S5、描述子向量門限以截?cái)喑龇秶奶荻戎担?/p>

非線性光照，相機(jī)飽和度變化對(duì)造成某些方向的梯度值過(guò)大，而對(duì)方向的影響微弱，因此設(shè)置門限值(向量歸一化后，一般取0.2)截?cái)噍^大的梯度值。然后，對(duì)特征向量再進(jìn)行一次歸一化處理，提高特征的鑒別性。

值得一提的是，利用眼睛SIFT特征進(jìn)行判斷，不受人臉角度影響，具有旋轉(zhuǎn)不變性，通過(guò)本發(fā)明的技術(shù)方案進(jìn)行人眼測(cè)量準(zhǔn)確度高，并且計(jì)算簡(jiǎn)單，速度快，能夠滿足實(shí)時(shí)檢測(cè)的要求。

具體可以采用以特征點(diǎn)為中心取16×16的鄰域作為采樣窗口，將采樣點(diǎn)與特征點(diǎn)的相對(duì)方向通過(guò)高斯加權(quán)后歸入包含8個(gè)bin(中文：組距，英文：binwidth)的方向直方圖，最后獲得4×4×8的128維特征描述子，對(duì)于提取SIFT特征的方式不限于以上方式，還可以采用其他形式，此處不做限定。

利用眼睛SIFT特征得到置信度的方法可以是當(dāng)兩幅圖像的眼睛SIFT特征向量生成以后，采用關(guān)鍵點(diǎn)特征向量的歐式距離來(lái)作為兩幅圖像中關(guān)鍵點(diǎn)的相似性判定度量。例如在第一張圖像中取某個(gè)關(guān)鍵點(diǎn)，通過(guò)遍歷找到第二張圖像中的距離最近的兩個(gè)關(guān)鍵點(diǎn)。在這兩個(gè)關(guān)鍵點(diǎn)中，如果次近距離除以最近距離小于某個(gè)預(yù)設(shè)闕值，則判定為一對(duì)匹配點(diǎn)，則可以判斷這對(duì)匹配點(diǎn)相 似，以此類推分別計(jì)算其他關(guān)鍵點(diǎn)，確定兩張圖像的相似度，進(jìn)而獲得眼睛SIFT特征的置信度，通過(guò)置信度可以了解當(dāng)前幀圖像中人眼睛接近睜開(kāi)或者接近閉合或者完全睜開(kāi)或者完全閉合，利用置信度表明眼睛睜閉的趨向，本領(lǐng)域普通技術(shù)人員應(yīng)當(dāng)了解，此處不作贅述。

S104、將所述左眼SIFT特征和右眼SIFT特征輸入所述分類模型進(jìn)行計(jì)算并分別獲得所述左眼SIFT特征的第一置信度和所述右眼SIFT特征的第二置信度。

在步驟S103中提到如何利用特征描述子及關(guān)鍵點(diǎn)計(jì)算眼睛SIFT特征的相似程度，即計(jì)算置信度，步驟S104中，利用該方法對(duì)左眼SIFT特征和右眼SIFT特征計(jì)算置信度，其中左眼SIFT特征對(duì)應(yīng)的是第一置信度，右眼SIFT特征對(duì)應(yīng)的是第二置信度，第一置信度表示左眼在睜開(kāi)和必合的狀態(tài)，第二置信度表示右眼睜開(kāi)和閉合的狀態(tài)，需要說(shuō)明的是，可以預(yù)先設(shè)置置信區(qū)間，高于置信區(qū)間則可以認(rèn)為是眼睛睜開(kāi)，低于置信區(qū)間則可以認(rèn)為是眼睛閉合，當(dāng)位于置信區(qū)間內(nèi)則表明不穩(wěn)定，即無(wú)法準(zhǔn)確確定眼睛是睜眼還是閉眼，此時(shí)可以通過(guò)判斷連續(xù)三幀圖像中的置信度，當(dāng)連續(xù)三幀圖像中的置信度處于下降，則可以認(rèn)為此時(shí)該眼睛處于閉合，連續(xù)三幀可以是當(dāng)前這幀圖像之前連續(xù)的兩幀圖像或者當(dāng)前這幀圖像之后連續(xù)的兩幀圖像，判斷置信度下降的方法可以采用在后幀圖像中眼睛SIFT特征的置信度與在先幀圖像中眼睛SIFT特征作差結(jié)果為負(fù)則可以認(rèn)為置信度下降，本領(lǐng)域普通技術(shù)人員應(yīng)當(dāng)了解，此處不進(jìn)行贅述。

S105、根據(jù)所述第一置信度和所述第二置信度與所述預(yù)設(shè)置信區(qū)間的比對(duì)結(jié)果確定所述駕駛員的眼睛睜閉狀態(tài)。

在步驟S104中提到了如何利用置信度和置信區(qū)間的關(guān)系確定眼睛處于睜開(kāi)或閉合或態(tài)，第一置信度的比對(duì)結(jié)果可以了解左眼的睜閉狀態(tài)，第二置信度的比對(duì)結(jié)果可以了解右眼的睜閉狀態(tài)，但判斷有至少一只眼睛處于睜開(kāi)狀態(tài)時(shí)則認(rèn)為駕駛員處于睜眼狀態(tài)，當(dāng)兩只眼睛都處于閉合狀態(tài)則認(rèn)為駕駛員處于閉眼狀態(tài)。

具體的確認(rèn)過(guò)程可以采用當(dāng)所述第一置信度大于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼睜眼狀態(tài)，當(dāng)所述第一置信度小于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼閉眼狀態(tài)； 當(dāng)所述第二置信度大于預(yù)設(shè)置信區(qū)間時(shí)確定為右眼睜眼狀態(tài)，當(dāng)所述第一置信度小于預(yù)設(shè)置信區(qū)間時(shí)確定為右眼閉眼狀態(tài)；當(dāng)左眼睜眼狀態(tài)和/或右眼睜眼狀態(tài)是則確定所述駕駛員為睜眼狀態(tài)，當(dāng)處于所述左眼閉眼狀態(tài)和所述右眼閉眼狀態(tài)時(shí)確定所述駕駛員為閉眼狀態(tài)。

需要說(shuō)明的是，當(dāng)眼睛的判斷處于不穩(wěn)定狀態(tài)，即判斷不出是睜眼狀態(tài)還是閉眼狀態(tài)時(shí)，也可以采用聯(lián)合概率的方式進(jìn)行計(jì)算以確定駕駛員處于何種狀態(tài)，即當(dāng)所述第一置信度位于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼不穩(wěn)定狀態(tài)，當(dāng)所述第二置信度位于所述置信區(qū)間時(shí)確定為右眼不穩(wěn)定狀態(tài)，對(duì)所述左眼不穩(wěn)定狀態(tài)對(duì)應(yīng)的第一置信度和所述右眼不穩(wěn)定狀態(tài)對(duì)應(yīng)的第二置信度進(jìn)行聯(lián)合概率計(jì)算得到概率值，所述概率值大于預(yù)設(shè)閾值是確定駕駛員為睜眼狀態(tài)，當(dāng)所述概率值不大于預(yù)設(shè)閾值時(shí)確定駕駛員為閉眼狀態(tài)，利用聯(lián)合概率計(jì)算時(shí)，可以為第一置信度和第二置信度分別乘以一定系數(shù)進(jìn)行計(jì)算求和得到概率值，對(duì)得到的概率值進(jìn)行計(jì)算，如何使用聯(lián)合概率計(jì)算，本領(lǐng)域普通技術(shù)人員應(yīng)當(dāng)了解，具體不做介紹，這里提到的預(yù)設(shè)閾值通過(guò)對(duì)駕駛員眼睛的睜閉狀態(tài)統(tǒng)計(jì)可以得到。

S106、當(dāng)所述駕駛員的眼睛為閉眼狀態(tài)時(shí)確定所述駕駛員處于疲勞狀態(tài)。

通過(guò)S105中可以判斷出駕駛員的眼睛處于睜開(kāi)狀態(tài)或者閉合狀態(tài)，當(dāng)確定駕駛員的眼睛處于閉合狀態(tài)時(shí)可以確定駕駛員處于疲勞駕駛狀態(tài)，因?yàn)槿嗽诋a(chǎn)生睡意時(shí)，眼睛會(huì)不自覺(jué)的閉合，這在駕駛汽車過(guò)程中會(huì)非常危險(xiǎn)，反應(yīng)遲鈍，及時(shí)將駕駛員疲憊狀態(tài)檢測(cè)出來(lái)對(duì)安全駕駛有很大意義，需要說(shuō)明的是，當(dāng)判斷出駕駛員處于疲勞狀態(tài)時(shí)，還可以采取后續(xù)的安全措施進(jìn)行預(yù)警，例如自動(dòng)對(duì)車輛進(jìn)行降速，對(duì)駕駛員進(jìn)行語(yǔ)音提醒等，具體不做限定。

本發(fā)明提供的一種駕駛員疲勞狀態(tài)檢測(cè)方法，通過(guò)將眼睛SIFT特征送入分類模型獲得置信度，根據(jù)置信度水平對(duì)眼睛睜閉狀態(tài)進(jìn)行判斷，可以不受人臉角度影響，具有旋轉(zhuǎn)不變性，對(duì)人眼測(cè)量的準(zhǔn)確度高，并且計(jì)算過(guò)程簡(jiǎn)單，，可以及時(shí)對(duì)駕駛員的駕駛疲勞狀態(tài)進(jìn)行檢測(cè)，能有滿足實(shí)時(shí)檢測(cè)的要求。

結(jié)合圖2所示，本發(fā)明還提供的一種駕駛員疲勞狀態(tài)檢測(cè)方法的另一種實(shí)施例，包括：

S201、提取駕駛員的面部輪廓圖像。

與上一實(shí)施例中步驟S101相類似，此處不進(jìn)行贅述。

S202、獲取所述面部輪廓圖像中眼睛位置及面部輪廓大小。

與上一實(shí)施例中步驟S102相類似，此處不進(jìn)行贅述。

S203、根據(jù)所述眼睛位置和面部輪廓大小計(jì)算所述駕駛員的人臉大小、位置及姿態(tài)特征。

與上一實(shí)施例中步驟S102相類似，此處不進(jìn)行贅述。

S204、根據(jù)所述人臉大小、位置及姿態(tài)特征利用圖像映射方法獲取對(duì)所述面部輪廓圖像進(jìn)行歸一化操作以獲得歸一化人臉圖像。

與上一實(shí)施例中步驟S102相類似，此處不進(jìn)行贅述，需要說(shuō)明的是，對(duì)于歸一化人臉圖像的方法還可以采用其他中實(shí)現(xiàn)方式，本領(lǐng)域普通技術(shù)人員應(yīng)當(dāng)了解，在此不進(jìn)行介紹。

S205、所述對(duì)所述歸一化人臉圖像提取眼睛SIFT特征，其中所述眼睛SIFT特征包括左眼SIFT特征和右眼SIFT特征。

需要說(shuō)明的是，在步驟S205中提到的眼睛SIFT特征提取的過(guò)程可以參考上一實(shí)施例中的介紹，另外，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)了解，對(duì)此不進(jìn)行介紹。

S206、將所述左眼SIFT特征和右眼SIFT特征輸入所述分類模型進(jìn)行計(jì)算并分別獲得所述左眼SIFT特征的第一置信度和所述右眼SIFT特征的第二置信度。

本實(shí)施例中通過(guò)對(duì)駕駛員雙眼進(jìn)行眼睛SIFT特征提取，再將每一個(gè)眼睛的眼睛SIFT特征送入分類模型獲得置信度，利用置信度判斷眼睛的睜開(kāi)或閉合情況，提高了判斷的容錯(cuò)性，判斷過(guò)程簡(jiǎn)單操作。

S207、根據(jù)所述第一置信度和所述第二置信度與所述預(yù)設(shè)置信區(qū)間的比對(duì)結(jié)果確定所述駕駛員的眼睛睜閉狀態(tài)，當(dāng)駕駛員的眼睛為睜眼狀態(tài)時(shí)執(zhí)行S201，當(dāng)駕駛員的眼睛為閉眼狀態(tài)時(shí)執(zhí)行S208。

當(dāng)所述第一置信度大于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼睜眼狀態(tài)，當(dāng)所述第一置信度小于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼閉眼狀態(tài)；

當(dāng)所述第二置信度大于預(yù)設(shè)置信區(qū)間時(shí)確定為右眼睜眼狀態(tài)，當(dāng)所述第一置信度小于預(yù)設(shè)置信區(qū)間時(shí)確定為右眼閉眼狀態(tài)；

當(dāng)左眼睜眼狀態(tài)和/或右眼睜眼狀態(tài)是則確定所述駕駛員為睜眼狀態(tài)，當(dāng)所述左眼閉眼狀態(tài)和所述右眼閉眼狀態(tài)時(shí)確定所述駕駛員為閉眼狀態(tài)，以及

當(dāng)所述第一置信度位于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼不穩(wěn)定狀態(tài)，當(dāng)所述第二置信度位于所述置信區(qū)間時(shí)確定為右眼不穩(wěn)定狀態(tài)，對(duì)所述左眼不穩(wěn)定狀態(tài)對(duì)應(yīng)的第一置信度和所述右眼不穩(wěn)定狀態(tài)對(duì)應(yīng)的第二置信度進(jìn)行聯(lián)合概率計(jì)算得到概率值，所述概率值大于預(yù)設(shè)閾值是確定駕駛員為睜眼狀態(tài)，當(dāng)所述概率值不大于預(yù)設(shè)閾值時(shí)確定駕駛員為閉眼狀態(tài)。

通過(guò)針對(duì)不同情況進(jìn)行對(duì)應(yīng)的操作，使得對(duì)眼睛睜閉的檢測(cè)更為準(zhǔn)確，特別是在置信度處于置信區(qū)間內(nèi)時(shí)，利用聯(lián)合概率的方法計(jì)算第一置信度和第二置信度并獲得概率值，再利用預(yù)設(shè)閾值判斷概率值對(duì)應(yīng)的駕駛員處于睜眼狀態(tài)還是閉眼狀態(tài)，適應(yīng)各種場(chǎng)景，提高了本發(fā)明方法的靈活性。

S208、當(dāng)所述駕駛員的眼睛為閉眼狀態(tài)時(shí)確定所述駕駛員處于疲勞狀態(tài)。

步驟S208與上一實(shí)施例中S106相類似，此處不做贅述。

S209、進(jìn)行告警或車輛減速，所述告警包括聲音提示、燈光提示或震動(dòng)提示中的至少一種。

當(dāng)確定駕駛員處于疲勞狀態(tài)時(shí)需要及時(shí)采取安全措施，語(yǔ)音提醒可以包括“為了您和他人的安全，請(qǐng)您及時(shí)休息！”，震動(dòng)提示可以通過(guò)座椅震動(dòng)進(jìn)行，燈光提示可以采用紅光閃爍等，對(duì)于車輛減速可以根據(jù)場(chǎng)景靈活選擇，例如在高速上行駛時(shí)候?qū)囁儆幸螅蝗唤邓偃菀装l(fā)生事故，可以選擇語(yǔ)音提示等，對(duì)此不進(jìn)行限定。

上文中提供了一種駕駛員疲勞狀態(tài)檢測(cè)方法，對(duì)應(yīng)地，本發(fā)明還提供了一種駕駛員疲勞狀態(tài)檢測(cè)系統(tǒng)，下面進(jìn)行具體介紹。

結(jié)合圖3所示，本發(fā)明提供了駕駛員疲勞狀態(tài)檢測(cè)系統(tǒng)的一種實(shí)施例，根據(jù)眼睛SIFT特征預(yù)先訓(xùn)練分類模型，所述分類模型用于對(duì)眼睛SIFT特征進(jìn)行比對(duì)輸出對(duì)應(yīng)的置信度，包括：

第一提取單元301，用于提取駕駛員的面部輪廓圖像；

第一處理單元302，用于對(duì)所述面部輪廓圖像進(jìn)行歸一化處理獲得歸一化人臉圖像；

第二提取單元303，用于對(duì)所述歸一化人臉圖像提取眼睛SIFT特征，其 中，所述眼睛SIFT特征包括左眼SIFT特征和右眼SIFT特征；

第二處理單元304，用于將所述左眼SIFT特征和右眼SIFT特征輸入所述分類模型進(jìn)行計(jì)算并分別獲得所述左眼SIFT特征的第一置信度和所述右眼SIFT特征的第二置信度；

第一確定單元305，用于根據(jù)所述第一置信度和所述第二置信度與所述預(yù)設(shè)置信區(qū)間的比對(duì)結(jié)果確定所述駕駛員的眼睛睜閉狀態(tài)；

第二確定單元306，用于當(dāng)所述駕駛員的眼睛為閉眼狀態(tài)時(shí)確定所述駕駛員處于疲勞狀態(tài)。

可選地，所述第一確定單元305還用于：

當(dāng)所述第一置信度大于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼睜眼狀態(tài)，當(dāng)所述第一置信度小于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼閉眼狀態(tài)；

當(dāng)所述第二置信度大于預(yù)設(shè)置信區(qū)間時(shí)確定為右眼睜眼狀態(tài)，當(dāng)所述第一置信度小于預(yù)設(shè)置信區(qū)間時(shí)確定為右眼閉眼狀態(tài)；

當(dāng)左眼睜眼狀態(tài)和/或右眼睜眼狀態(tài)是則確定所述駕駛員為睜眼狀態(tài)，當(dāng)所述左眼閉眼狀態(tài)和所述右眼閉眼狀態(tài)時(shí)確定所述駕駛員為閉眼狀態(tài)。

可選地，所述第一確定單元305還用于：

當(dāng)所述第一置信度位于預(yù)設(shè)置信區(qū)間時(shí)確定為左眼不穩(wěn)定狀態(tài)，當(dāng)所述第二置信度位于所述置信區(qū)間時(shí)確定為右眼不穩(wěn)定狀態(tài)，對(duì)所述左眼不穩(wěn)定狀態(tài)對(duì)應(yīng)的第一置信度和所述右眼不穩(wěn)定狀態(tài)對(duì)應(yīng)的第二置信度進(jìn)行聯(lián)合概率計(jì)算得到概率值，所述概率值大于預(yù)設(shè)閾值是確定駕駛員為睜眼狀態(tài)，當(dāng)所述概率值不大于預(yù)設(shè)閾值時(shí)確定駕駛員為閉眼狀態(tài)。

可選地，所述第一處理單元302還用于：

獲取所述面部輪廓圖像中眼睛位置及面部輪廓大?。?/p>

根據(jù)所述眼睛位置和面部輪廓大小計(jì)算所述駕駛員的人臉大小、位置及姿態(tài)特征；

根據(jù)所述人臉大小、位置及姿態(tài)特征利用圖像映射方法獲取對(duì)所述面部輪廓圖像進(jìn)行歸一化操作以獲得歸一化人臉圖像。

可選地，所述第二提取單元302還用于：

確定計(jì)算眼睛SIFT特征描述子所需的圖像區(qū)域；

將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點(diǎn)的方向，以確保旋轉(zhuǎn)不變性；

計(jì)算每個(gè)種子點(diǎn)的方向直方圖，形成特征向量；

對(duì)關(guān)鍵點(diǎn)的特征向量進(jìn)行歸一化處理；

描述子向量門限以截?cái)喑龇秶奶荻戎怠?/p>

可選地，所述系統(tǒng)還包括：

危險(xiǎn)預(yù)警單元307，用于當(dāng)所述駕駛員處于疲勞狀態(tài)時(shí)進(jìn)行告警或車輛減速，所述告警包括聲音提示、燈光提示或震動(dòng)提示中的至少一種

本發(fā)明提供的一種眼睛睜閉狀態(tài)監(jiān)測(cè)系統(tǒng)，通過(guò)將眼睛SIFT特征輸入分類模型獲得置信度，根據(jù)置信度水平對(duì)眼睛睜閉狀態(tài)進(jìn)行判斷，可以不受人臉角度影響，具有旋轉(zhuǎn)不變性，對(duì)人眼測(cè)量的準(zhǔn)確度高，并且計(jì)算過(guò)程簡(jiǎn)單，可以及時(shí)對(duì)駕駛員的駕駛疲勞狀態(tài)進(jìn)行檢測(cè)，能有滿足實(shí)時(shí)檢測(cè)的要求。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)，裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。

在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。

本領(lǐng)域普通技術(shù)人員可以理解上述實(shí)施例的各種方法中的全部或部分步驟是可以通過(guò)程序來(lái)指令相關(guān)的硬件來(lái)完成，該程序可以存儲(chǔ)于一計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，存儲(chǔ)介質(zhì)可以包括：只讀存儲(chǔ)器(ROM，Read Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、磁盤或光盤等。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過(guò)程序來(lái)指令相關(guān)的硬件完成，所述的程序可以存儲(chǔ)于一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，上述提到的存儲(chǔ)介質(zhì)可以是只讀存儲(chǔ)器，磁盤或光盤等。

以上對(duì)本發(fā)明所提供的一種駕駛員疲勞狀態(tài)檢測(cè)方法及系統(tǒng)進(jìn)行了詳細(xì)介紹，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明實(shí)施例的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說(shuō)明書(shū)內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。